科创中国

电子信息技术

（1）精准预测与控制能力增强：XGBoost作为一种高效的梯度提升决策树算法，被用于对转炉炼钢过程中关键参数（如终点钢水的化学成分、温度、熔渣状况等）进行高精度预测。而BP神经网络则能够处理非线性关系，模拟复杂的冶炼过程动态变化。两者的结合显著提高了预测模型的准确性和稳定性，使得出钢过程碳提升***%，2024年4月碳粉市场价格为2300元/t， 120t转炉每炉钢增加***%碳，出钢量按142t算，则每炉需要增碳剂17kg，月均产量为3100炉，则该系统预计年节约碳粉成本为***万元。同时，使得出钢锰提升***%，吨钢节约成本2元，预计年节约硅锰合金的成本为***万元。对诸如终点磷含量等重要指标的控制更为精确，命中率≥90%，有助于减少成品钢的成分波动，提高产品质量。 （2）优化工艺参数：该系统能够通过学习历史冶炼数据，识别出对终点参数影响最大的因素，比如入炉原料成分、温度、造渣材料比例等，并据此优化吹氧量、加料时机和量等工艺参数，从而缩短冶炼周期，提高生产效率，同时作业率。2024年3月平均每炉补吹时间35s，含氧枪作业时间补吹影响时间42s。

（1）主要内容 基于XGboost和学习BP神经网络对转炉智能化炼钢控制系统由客户端、服务器、数据库构成。其中客户端负责画面显示功能，包括生产作业计划、生产技术标准、生产过程和实绩数据、模型计算结果、化验成分数据以及生产历史数据，其中生产历史数据可以根据条件进行查询。服务器负责模型计算、数据采集以及冶炼过程跟踪等功能。模型计算包括工艺目标计算、主原料计算、熔剂计算、氧量调温剂计算以及动态计算等功能。数据采集包括数采系统与模型计算中心、客户端、数据库、MES 系统以及一级服务器的数据通信。 项目主要研究内容为： 1）基于大数据模型和算法，对各种主原料的合理加入量模型的开发。 2）分段氧气流量和氧枪枪位控制模型的开发。 3）基于造渣碱度，对炼钢过程辅料的投入量的计算模型的开发。 4）利用大数据开发出通过控制转炉炼钢过程参数实现转炉出钢终点温度和碳含量控制的模型。

杨宝 陕钢集团产业创新研究院有限公司 主任工程师/工程师 王春锋 陕钢集团产业创新研究院有限公司 总工程师/高级工程师 彭琦 陕钢集团产业创新研究院有限公司 责任工程师/工程师